- 博客(7)
- 收藏
- 关注
RSS订阅原创 机器学习之支持向量机（SVM）
通过本次实验，我们了解了如何使用支持向量机进行二分类任务。实验结果表明，SVM能够有效地对鸢尾花数据集进行分类，取得了较高的准确率。通过混淆矩阵的可视化，我们也可以直观地看到模型的分类效果。支持向量机的优势在于其强大的分类能力和较好的泛化性能，尤其是在高维数据集上表现优异。然而，SVM在处理大规模数据集时的计算复杂度较高，需要更多的计算资源和时间。未来的工作可以尝试优化模型参数，使用不同的核函数，或者应用在其他更复杂的数据集上。
2024-06-11 10:03:21
1175
原创 机器学习课程学习博客：逻辑回归
逻辑回归（Logistic Regression）是一种用于二分类问题的监督学习算法。尽管名字中带有“回归”，但逻辑回归实际上是一种分类算法。它通过学习一个线性决策边界，使用sigmoid函数将输出映射到概率值，从而进行分类。逻辑回归是一种统计模型，用于描述一个二分类因变量与一个或多个自变量之间的关系。其核心思想是使用sigmoid函数将线性回归的输出转换为一个概率值，从而实现分类。逻辑回归是一种简单而强大的分类算法，适用于二分类问题。
2024-05-27 16:17:51
352
原创 机器学习之贝叶斯分类
贝叶斯分类器是一类基于贝叶斯定理的概率分类算法。它们通过计算给定数据点属于某个类别的概率来进行分类。贝叶斯分类器在许多实际应用中表现优异，尤其是在文本分类和垃圾邮件过滤等任务中贝叶斯分类器作为一种简单而有效的分类算法，在许多实际应用中都表现优异。尽管其独立性假设在某些情况下可能不成立，但通过适当的处理和变种，它仍然是一个强大的工具。通过本文的介绍和实例，相信读者对贝叶斯分类器有了更深入的理解，并能够在实际项目中加以应用。
2024-05-15 13:37:00
512
原创 机器学习之决策树
决策树算法是一种基于树状结构的分类和回归方法，它通过对数据集进行递归地划分，构建一棵树来实现对数据的分类或预测。在决策树中，每个内部节点表示对特征的判断，每个叶节点表示最终的分类或回归结果。决策树的构建过程包括特征选择、树的构建、决策规则的生成以及剪枝等步骤。决策树算法的基本思想是通过对特征的逐步划分，将数据集划分为不同的类别或者回归值，使得同一类别内的数据尽可能相似，不同类别之间的差异尽可能大。决策树的构建过程中，通过选择合适的特征和划分点，使得每一步划分都能最大程度地提高分类或回归的准确性。
2024-04-29 01:58:18
1440
原创 机器学习分类模型评估指标的学习
常见的分类模型评估指标包括准确率（Accuracy）、精确率（Precision）、召回率（Recall）、F1分数（F1 Score）、ROC曲线和AUC值。
2024-04-16 08:46:11
1690
1原创 anaconda安装流程
新建环境变量，注意，此处用E代指上面安装的目录，大家自己安装的时候要把E变为自己安装的地址。1.首先，下载安装包，建议从国内镜像网站下载，网址为。进入之后现根据自己电脑的型号及系统下载合适的安装包。任务栏搜索’编辑系统环境变量‘，点击进入系统属性设置。到这里，anaconda的安装及环境配置基本完成。此处选择储存anaconda的空间后点击next。这里选择all users后点击next。等待这里下载完成后点击next完成安装。点击环境变量并选择系统变量中的Path。这里选择第二个后直接install。
2024-03-18 21:38:08
320
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人